Menemukan prediktor utama biaya medis dengan SHAP
Nilai SHAP memberikan penjelasan yang informatif untuk prediksi yang dibuat oleh model Machine Learning. Kini, Anda akan memanfaatkan SHAP untuk mengurai pengaruh berbagai fitur dalam model RandomForestRegressor terhadap prediksi biaya asuransi.
X dengan fitur prediktor dan y dengan biaya asuransi, beserta model RandomForest regressor, telah dimuat untuk Anda.
Perlu diperhatikan bahwa kode mungkin memerlukan waktu untuk dijalankan.
Latihan ini merupakan bagian dari kursus
Explainable AI in Python
Instruksi latihan
- Inisialisasi SHAP tree explainer bernama
explaineruntukmodelRandomForest. - Hitung
shap_valuesuntuk himpunan data. - Hitung rata-rata nilai absolut SHAP untuk mengidentifikasi fitur yang paling berpengaruh.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
import shap
# Create a SHAP Tree Explainer
explainer = ____
# Calculate SHAP values
shap_values = ____
# Calculate mean absolute SHAP values
mean_abs_shap = ____
plt.bar(X.columns, mean_abs_shap)
plt.title('Mean Absolute SHAP Values for RandomForest')
plt.xticks(rotation=45)
plt.show()